Python ElementTree模块：使用方法“ find”，“ findall”时，如何忽略XML文件的命名空间以找到匹配的元素

我想使用“ findall”方法在ElementTree模块中找到源xml文件的某些元素。

但是，源xml文件（test.xml）具有名称空间。我截断一部分xml文件作为示例：

<?xml version="1.0" encoding="iso-8859-1"?>
<XML_HEADER xmlns="http://www.test.com">
    <TYPE>Updates</TYPE>
    <DATE>9/26/2012 10:30:34 AM</DATE>
    <COPYRIGHT_NOTICE>All Rights Reserved.</COPYRIGHT_NOTICE>
    <LICENSE>newlicense.htm</LICENSE>
    <DEAL_LEVEL>
        <PAID_OFF>N</PAID_OFF>
        </DEAL_LEVEL>
</XML_HEADER>

示例python代码如下：

from xml.etree import ElementTree as ET
tree = ET.parse(r"test.xml")
el1 = tree.findall("DEAL_LEVEL/PAID_OFF") # Return None
el2 = tree.findall("{http://www.test.com}DEAL_LEVEL/{http://www.test.com}PAID_OFF") # Return <Element '{http://www.test.com}DEAL_LEVEL/PAID_OFF' at 0xb78b90>

尽管它可以工作，但是因为有一个命名空间“ {http://www.test.com}”，但是在每个标签前面添加一个命名空间非常不方便。

使用“ find”，“ findall”等方法时，如何忽略名称空间？

最好不要解析XML文档本身，而是先解析它，然后修改结果中的标记。这样，您可以处理多个名称空间和名称空间别名：

from io import StringIO  # for Python 2 import from StringIO instead
import xml.etree.ElementTree as ET

# instead of ET.fromstring(xml)
it = ET.iterparse(StringIO(xml))
for _, el in it:
    prefix, has_namespace, postfix = el.tag.partition('}')
    if has_namespace:
        el.tag = postfix  # strip all namespaces
root = it.root

这是基于此处的讨论：http : //bugs.python.org/issue18304

更新： rpartition而不是partition确保你得到的标签名postfix，即使没有命名空间。因此，您可以将其压缩：

for _, el in it:
    _, _, el.tag = el.tag.rpartition('}') # strip ns

如果您在解析前从xml中删除xmlns属性，则树中的每个标记都将没有命名空间。

import re

xmlstring = re.sub(' xmlns="[^"]+"', '', xmlstring, count=1)

到目前为止，答案明确地将名称空间值放在脚本中。对于更通用的解决方案，我宁愿从xml中提取名称空间：

import re
def get_namespace(element):
  m = re.match('\{.*\}', element.tag)
  return m.group(0) if m else ''

并在查找方法中使用它：

namespace = get_namespace(tree.getroot())
print tree.find('./{0}parent/{0}version'.format(namespace)).text

这是对nonagon答案的扩展，它也剥离了名称空间的属性：

from StringIO import StringIO
import xml.etree.ElementTree as ET

# instead of ET.fromstring(xml)
it = ET.iterparse(StringIO(xml))
for _, el in it:
    if '}' in el.tag:
        el.tag = el.tag.split('}', 1)[1]  # strip all namespaces
    for at in list(el.attrib.keys()): # strip namespaces of attributes too
        if '}' in at:
            newat = at.split('}', 1)[1]
            el.attrib[newat] = el.attrib[at]
            del el.attrib[at]
root = it.root

UPDATE：已添加，list()以便迭代器可以工作（Python 3所需）

改善ericspod的答案：

无需全局更改解析模式，我们可以将其包装在支持with构造的对象中。

from xml.parsers import expat

class DisableXmlNamespaces:
    def __enter__(self):
            self.oldcreate = expat.ParserCreate
            expat.ParserCreate = lambda encoding, sep: self.oldcreate(encoding, None)
    def __exit__(self, type, value, traceback):
            expat.ParserCreate = self.oldcreate

然后可以按如下方式使用

import xml.etree.ElementTree as ET
with DisableXmlNamespaces():
     tree = ET.parse("test.xml")

这种方式的优点在于，它不会更改with块之外无关代码的任何行为。我使用了ericspod的版本（在此同时也使用了expat）在不相关的库中出现错误之后，最终创建了该代码。

您也可以使用优雅的字符串格式构造：

ns='http://www.test.com'
el2 = tree.findall("{%s}DEAL_LEVEL/{%s}PAID_OFF" %(ns,ns))

或者，如果您确定PAID_OFF仅出现在树的一级中：

el2 = tree.findall(".//{%s}PAID_OFF" % ns)

如果不使用ElementTree，则cElementTree可以通过替换来强制Expat忽略名称空间处理ParserCreate()：

from xml.parsers import expat
oldcreate = expat.ParserCreate
expat.ParserCreate = lambda encoding, sep: oldcreate(encoding, None)

ElementTree尝试通过调用来使用Expat，ParserCreate()但没有提供不提供名称空间分隔符字符串的选项，以上代码将导致其被忽略，但被警告可能会破坏其他情况。

我为此可能会迟到，但我认为这re.sub不是一个好的解决方案。

但是，该重写xml.parsers.expat不适用于Python 3.x版本，

罪魁祸首是xml/etree/ElementTree.py源代码的底部

# Import the C accelerators
try:
    # Element is going to be shadowed by the C implementation. We need to keep
    # the Python version of it accessible for some "creative" by external code
    # (see tests)
    _Element_Py = Element

    # Element, SubElement, ParseError, TreeBuilder, XMLParser
    from _elementtree import *
except ImportError:
    pass

真是可悲。

解决的办法是先摆脱它。

import _elementtree
try:
    del _elementtree.XMLParser
except AttributeError:
    # in case deleted twice
    pass
else:
    from xml.parsers import expat  # NOQA: F811
    oldcreate = expat.ParserCreate
    expat.ParserCreate = lambda encoding, sep: oldcreate(encoding, None)

在Python 3.6上测试。

try如果在代码的某处重新加载或导入模块两次而遇到一些奇怪的错误，例如try 语句，则很有用

• 超过最大递归深度
• AttributeError：XMLParser

顺便说一句，etree源代码看起来真的很乱。

让我们结合nonagon的答案和mzjn对一个相关问题的答案：

def parse_xml(xml_path: Path) -> Tuple[ET.Element, Dict[str, str]]:
    xml_iter = ET.iterparse(xml_path, events=["start-ns"])
    xml_namespaces = dict(prefix_namespace_pair for _, prefix_namespace_pair in xml_iter)
    return xml_iter.root, xml_namespaces

使用此功能，我们：

1. 创建一个迭代器以获取名称空间和已解析的树对象。

2. 遍历创建的迭代器以获取名称空间命令，我们以后可以传入每个名称空间find()或findall()调用iMom0的名称空间。

3. 返回解析树的根元素对象和名称空间。

我认为这是最好的方法，因为无论源XML还是解析后的xml.etree.ElementTree输出都不会受到任何操纵。

我还要感谢Barny的回答，因为它提供了这个难题的重要组成部分（您可以从迭代器获得解析的根）。在此之前，我实际上在应用程序中遍历了两次XML树（一次获取名称空间，第二次获取根）。